我正在使用 Keras 2.0.2 功能 API (Tensorflow 1.0.1) 来实现一个接受多个输入并产生两个输出的网络a
and b
。我需要使用 cosine_proximity 损失来训练网络,这样b
是标签a
。我该怎么做呢?
在这里分享我的代码。最后一行model.fit(..)
是有问题的部分,因为我本身没有标记数据。标签是由模型本身生成的。
from keras.models import Model
from keras.layers import Input, LSTM
from keras import losses
shared_lstm = LSTM(dim)
q1 = Input(shape=(..,.. ), name='q1')
q2 = Input(shape=(..,.. ), name='q2')
a = shared_lstm(q1)
b = shared_lstm(q2)
model = Model(inputs=[q1,q2], outputs=[a, b])
model.compile(optimizer='adam', loss=losses.cosine_proximity)
model.fit([testq1, testq2], [?????])
你可以先定义一个假的真实标签。例如,将其定义为输入数据大小的一维数组。
现在是损失函数。你可以这样写。
def my_cosine_proximity(y_true, y_pred):
a = y_pred[0]
b = y_pred[1]
# depends on whether you want to normalize
a = K.l2_normalize(a, axis=-1)
b = K.l2_normalize(b, axis=-1)
return -K.mean(a * b, axis=-1) + 0 * y_true
我已经成倍增加y_true
零并添加它只是为了让 Theano 不会给出丢失输入的警告/错误。
你应该打电话给你的fit
正常运行,即包含您的虚假真实标签。
model.compile('adam', my_cosine_proximity) # 'adam' used as an example optimizer
model.fit([testq1, testq2], fake_y_true)
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)